复杂网络中重叠社区的高效推断
机器学习
2014-12-01 v1 社会与信息网络
物理与社会
摘要
我们讨论了扩展现有复杂网络建模方法的两种视角，分别称为“社区优先”和“网络优先”视角。受我们归因于 White、Boorman 和 Breiger (1976) 的“网络优先”视角启发，我们提出了多网络随机块模型 (MNSBM)，该模型旨在将观测网络分离为不同类型的子网络，从而使推断每个子网络结构的问题变得更容易。我们展示了如何在生成式贝叶斯框架中指定该模型，其中参数可使用 Gibbs 采样进行高效推断。结果是一个有效的多重隶属模型，避免了引入复杂的“群”定义及其相互作用方式的缺点。我们在合成网络中演示了恢复植入结构的结果，并在多个真实世界网络数据集上展示了使用多网络模型进行链接预测性能的非常令人鼓舞的结果。
引用
@article{arxiv.1411.7864,
title = {Efficient inference of overlapping communities in complex networks},
author = {Bjarne Ørum Fruergaard and Tue Herlau},
journal= {arXiv preprint arXiv:1411.7864},
year = {2014}
}